本文主要是介绍【甘道夫】Mahout推荐算法编程实践，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
引言
Taste是曾经风靡一时的推荐算法框架，后来被并入 Mahout中，Mahout的部分推荐算法基于Taste实现。
下文介绍基于Taste实现最常用的UserCF和ItemCF。
本文不涉及 UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
欢迎转载，请注明来源：
http://blog.csdn.net/u010967382/article/details/39183839
步骤一：构建数据模型
UserCF和ItemCF算法的输入数据是用户偏好，用户偏好数据可以有两种形式：
- 包含用户对目标评分的【用户ID，itemID，评分】
- 不包含评分的【用户ID，itemID】
推荐算法的第一步是基于数据源构建数据模型， Taste构建数据模型的数据源可以有很多，比如JDBC，文件等。
下面仅介绍最常用的文件数据源：
- 用户偏好数据包含评分
示例代码：
DataModel dm = new FileDataModel(new File("E:\\testdata\\3columns"));
- 用户偏好数据不包含评分
示例代码：
DataModel dm = new GenericBooleanPrefDataModel(
GenericBooleanPrefDataModel
.toDataMap<
这篇关于【甘道夫】Mahout推荐算法编程实践的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
